CN117251958B - 一种基于多传感器的制动鼓表面全跳动检测方法 - Google Patents
一种基于多传感器的制动鼓表面全跳动检测方法 Download PDFInfo
- Publication number
- CN117251958B CN117251958B CN202311535175.8A CN202311535175A CN117251958B CN 117251958 B CN117251958 B CN 117251958B CN 202311535175 A CN202311535175 A CN 202311535175A CN 117251958 B CN117251958 B CN 117251958B
- Authority
- CN
- China
- Prior art keywords
- brake drum
- section
- full
- sensor
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 238000006073 displacement reaction Methods 0.000 claims abstract description 111
- 230000004927 fusion Effects 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims description 61
- 238000004422 calculation algorithm Methods 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000009191 jumping Effects 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000011089 mechanical engineering Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013075 data extraction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 229940004975 interceptor Drugs 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Braking Arrangements (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明涉及机械工程技术领域,揭露了一种基于多传感器的制动鼓表面全跳动检测方法,包括:计算制动鼓表面图像的基准轴线,根据基准轴线及表面视图对表面图像进行划分,得到划分制动鼓截面;提取划分制动鼓截面的位移传感器数据、角度传感器数据及跳动传感器数据;将位移传感器数据、角度传感器数据及跳动传感器数据进行数据融合,得到传感器融合数据;根据传感器融合数据构建划分制动鼓截面的截面有限元模型,根据截面有限元模型及基准轴线计算划分制动鼓截面的全跳动误差;根据全跳动误差及全跳动公差对制动鼓表面进行全跳动检测。本发明可以提高制动鼓表面全跳动检测时的精确度。
Description
技术领域
本发明涉及智能检测技术领域,尤其涉及一种基于多传感器的制动鼓表面全跳动检测方法。
背景技术
随着机械制造技术的发展和智能制造概念的提出,机械零件智能测量技术的重要性也与日俱增,但为了提高机械零件在进行全跳动检测时的准确度,需要结合多种传感器数据确定全跳动误差,以进行制动鼓表面全跳动检测。
现有的全跳动检测技术是基于偏摆仪测量法实现机械零件表面的全跳动检测。例如,在制动鼓表面放置偏摆仪以进行全跳动检测。实际应用中,由于偏摆仪会存在制造误差,可能导致对机械零件表面的全跳动检测的误差较大,从而对进行制动鼓表面全跳动检测时的精确度较低。
发明内容
本发明提供一种基于多传感器的制动鼓表面全跳动检测方法,其主要目的在于解决进行制动鼓表面全跳动检测时的精确度较低的问题。
为实现上述目的,本发明提供的一种基于多传感器的制动鼓表面全跳动检测方法,包括:
S1、获取制动鼓表面的表面图像,利用预设的基准轴线算法计算所述表面图像的基准轴线,根据所述基准轴线及预设的表面视图对所述表面图像进行划分,得到划分制动鼓截面;
S2、提取所述划分制动鼓截面的位移传感器数据,提取所述划分制动鼓截面中的角度传感器数据,提取所述划分制动鼓截面的跳动传感器数据;
S3、利用预设的数据融合算法将所述位移传感器数据、所述角度传感器数据及所述跳动传感器数据进行数据融合,得到传感器融合数据;
S4、利用预设的有限元算法根据所述传感器融合数据构建所述划分制动鼓截面的截面有限元模型,根据所述截面有限元模型及所述基准轴线计算所述划分制动鼓截面的全跳动误差,其中所述根据所述截面有限元模型及所述基准轴线计算所述划分制动鼓截面的全跳动误差,包括:
S41、根据所述基准轴线在所述截面有限元模型中进行全跳动模拟,得到全跳动值;
S42、利用如下的全跳动误差计算公式根据所述全跳动值计算所述划分制动鼓截面的全跳动误差:
其中,δd为第d个划分制动鼓截面的全跳动误差,Gd为第d个划分制动鼓截面的全跳动值,max为最大值函数,min为最小值函数;
S5、通过预设的跳动方向根据所述全跳动误差及预设的全跳动公差对所述制动鼓表面进行全跳动检测。
可选地,所述利用预设的基准轴线算法计算所述表面图像的基准轴线,包括:
根据预设的旋转角度生成所述表面图像的旋转表面图像;
根据所述旋转表面图像确定三维采样点位置;
通过预设的三维坐标算法计算所述三维采样点位置的空间三维坐标值;
利用预设的基准轴线算法根据所述空间三维坐标值计算所述表面图像的基准轴线,其中所述基准轴线算法为:
其中,(X0,Y0,Z0)为所述基准轴线上的目标点的空间三维坐标值,(X,Y,Z)为所述基准轴线上的任意点的空间三维坐标值,(n1,n2,n3)为方向向量。
可选地,所述通过预设的三维坐标算法计算所述三维采样点位置的空间三维坐标值,包括:
获取所述三维采样点位置的点焦平面;
根据所述点焦平面的目标坐标点确定点焦平面方程;
通过如下所述三维坐标算法根据所述点焦平面方程及所述目标坐标点计算所述三维采样点位置的空间三维坐标值:
其中,(X,Y,Z)为所述空间三维坐标值,(x1,y1)为所述目标坐标点,A为所述点焦平面方程的第一参数,B为所述点焦平面的第二参数,C为所述点焦平面的第三参数。
可选地,所述根据所述基准轴线及预设的表面视图对所述表面图像进行划分,得到划分制动鼓截面,包括:
按照所述基准轴线根据所述表面视图中的左视图对所述表面图像进行划分,得到左视图截面;
按照所述基准轴线根据所述表面视图中的右视图对所述表面图像进行划分,得到右视图截面;
按照所述基准轴线根据所述表面视图中的俯视图对所述表面图像进行划分,得到俯视图截面;
汇集所述左视图截面、所述右视图截面及所述俯视图截面为所述划分制动鼓截面。
可选地,所述提取所述划分制动鼓截面的位移传感器数据,包括:
获取预设的位移传感器的传感器接口;
将预设的封装标准接口与所述传感器接口进行关联,得到关联接口;
通过所述关联接口采集所述位移传感器的位移传感器数据。
可选地,所述利用预设的数据融合算法将所述位移传感器数据、所述角度传感器数据及所述跳动传感器数据进行数据融合,得到传感器融合数据,包括:
根据所述位移传感器数据生成位移传感器的位移支撑裕矩阵,根据所述角度传感器生成角度传感器的角度支撑裕矩阵,根据所述跳动传感器数据生成跳动传感器的跳动支撑裕矩阵;
利用预设的数据融合算法根据预设的传感器因子向量将所述位移支撑裕矩阵、所述角度支撑裕矩阵及所述跳动支撑裕矩阵进行数据融合,得到传感器向量数据,其中所述数据融合算法为:
其中,R为第i个传感器的所述传感器向量数据,ti为第i个传感器的支撑裕矩阵,k为所述传感器因子向量;
将所述传感器向量数据进行数据拼接,得到所述传感器融合数据。
可选地,所述根据所述位移传感器数据生成位移传感器的位移支撑裕矩阵,包括:
根据预设的监测周期提取所述位移传感器的位移监测数据;
利用预设的支撑裕系数计算公式根据所述位移监测数据计算位移传感器的支撑裕系数:
其中,σ为所述支撑裕系数,m为所述位移监测数据的监测数据数量,hj为第j个位移监测数据的监测值,为所有位移监测数据的监测均值;
根据所述支撑裕系数计算所述位移支撑裕矩阵的支撑裕值,其中所述矩阵值计算公式为:
其中,fuv为所述位移支撑裕矩阵中第u行第v列的支撑裕值,hu为第u个传感器的监测值,hv为第v个传感器的监测值,E为常数;
根据所述支撑裕值生成位移传感器的位移支撑裕矩阵。
可选地,所述利用预设的有限元算法根据所述传感器融合数据构建所述划分制动鼓截面的截面有限元模型,包括:
利用所述有限元算法根据预设的物理材料特性构建所述划分制动鼓截面的初始有限元模型;
根据所述传感器融合数据确定所述划分制动鼓截面的截面偏移量;
根据所述截面偏移量对所述初始有限元模型进行截面优化,得到所述划分制动鼓截面的截面有限元模型。
可选地,所述通过预设的跳动方向根据所述全跳动误差及预设的全跳动公差对所述制动鼓表面进行全跳动检测,包括:
根据所述跳动方向确定所述制动鼓表面的径向全跳动及轴向全跳动;
根据所述径向全跳动及所述全跳动误差确定所述制动鼓表面的第一全跳动检测值;
根据所述轴向全跳动及所述全跳动公差确定所述制动鼓表面的第二全跳动检测值;
根据所述第一全跳动检测值及所述第二全跳动检测值确定所述制动鼓表面的表面全跳动检测值。
为了解决上述问题,本发明还提供一种基于多传感器的制动鼓表面全跳动检测装置,所述装置包括:
表面图像划分模块,用于获取制动鼓表面的表面图像,利用预设的基准轴线算法计算所述表面图像的基准轴线,根据所述基准轴线及预设的表面视图对所述表面图像进行划分,得到划分制动鼓截面;
传感器数据提取模块,用于提取所述划分制动鼓截面的位移传感器数据,提取所述划分制动鼓截面中的角度传感器数据,提取所述划分制动鼓截面的跳动传感器数据;
传感器数据融合模块,用于利用预设的数据融合算法将所述位移传感器数据、所述角度传感器数据及所述跳动传感器数据进行数据融合,得到传感器融合数据;
全跳动误差计算模块,用于利用预设的有限元算法根据所述传感器融合数据构建所述划分制动鼓截面的截面有限元模型,根据所述截面有限元模型及所述基准轴线计算所述划分制动鼓截面的全跳动误差;
全跳动检测模块,用于通过预设的跳动方向根据所述全跳动误差及预设的全跳动公差对所述制动鼓表面进行全跳动检测。
本发明实施例通过计算制动鼓表面图像的基准轴线,进而根据基准轴线对制动鼓表面视图进行划分,有利于更加准确、全面地对制动鼓表面的各个方向进行全跳动测试;在划分制动鼓截面中获取位移传感器数据、角度传感器数据及跳动传感器数据,并将传感器数据进行数据融合,可以降低全跳动检测过程中检测误差;通过传感器融合数据构建划分制动鼓表面的有限元模型,在有限元模型中进行全跳动模拟,并计算划分制动鼓截面的全跳动误差,有利于更加直观的观察各个传感器的数据变化,从而实现更加准确的全跳动检测;通过跳动方向将全跳动检测的跳动值与全跳动误差进行相比,从而确定制动鼓表面的全跳动检测效果。因此本发明提出的基于多传感器的制动鼓表面全跳动检测方法及装置,可以解决进行制动鼓表面全跳动检测的精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于多传感器的制动鼓表面全跳动检测方法的流程示意图;
图2为本发明一实施例提供的划分表面图像的流程示意图;
图3为本发明一实施例提供的融合传感器数据的流程示意图;
图4为本发明一实施例提供的基于多传感器的制动鼓表面全跳动检测装置的功能模块图;
图中,100-基于多传感器的制动鼓表面全跳动检测装置;101-表面图像划分模块;102-传感器数据提取模块;103-传感器数据融合模块;104-全跳动误差计算模块;105-全跳动检测模块。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于多传感器的制动鼓表面全跳动检测方法。所述基于多传感器的制动鼓表面全跳动检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于多传感器的制动鼓表面全跳动检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于多传感器的制动鼓表面全跳动检测方法的流程示意图。在本实施例中,所述基于多传感器的制动鼓表面全跳动检测方法包括:
S1、获取制动鼓表面的表面图像,利用预设的基准轴线算法计算所述表面图像的基准轴线,根据所述基准轴线及预设的表面视图对所述表面图像进行划分,得到划分制动鼓截面。
本发明实施例中,所述表面图像是指制动鼓表面的外观形状,其中制动鼓表面是一个内圆柱面,可采用摄像机采集制动鼓表面的表面图像。
进一步地,为了实现制动鼓表面全跳动检测,需要确定制动鼓表面的基准轴线,进而根据基准轴线实现全跳动检测。
本发明实施例中,所述基准轴线是指在对制动鼓表面进行加工及尺寸测量时作为基准的直线,可利用基准轴线确定全跳动时的跳动公差,以实现制动鼓表面的全跳动检测。
本发明实施例中,所述利用预设的基准轴线算法计算所述表面图像的基准轴线,包括:
根据预设的旋转角度生成所述表面图像的旋转表面图像;
根据所述旋转表面图像确定三维采样点位置;
通过预设的三维坐标算法计算所述三维采样点位置的空间三维坐标值;
利用预设的基准轴线算法根据所述空间三维坐标值计算所述表面图像的基准轴线,其中所述基准轴线算法为:
其中,(X0,Y0,Z0)为所述基准轴线上的目标点的空间三维坐标值,(X,Y,Z)为所述基准轴线上的任意点的空间三维坐标值,(n1,n2,n3)为方向向量。
详细地,所述旋转角度是指自定义的角度,如90度、180度等,根据不同的旋转角度将所述表面图像进行旋转,如表面图像是圆柱面,经过90度旋转,得到侧面的圆柱面,进而在不同的旋转表面图像中自定义选取三维采样点位置,并根据三维坐标算法计算三维采样点位置的空间三维坐标值,进而根据空间三维坐标值计算表面图像的基准轴线。
本发明实施例中,所述通过预设的三维坐标算法计算所述三维采样点位置的空间三维坐标值,包括:
获取所述三维采样点位置的点焦平面;
根据所述点焦平面的目标坐标点确定点焦平面方程;
通过如下所述三维坐标算法根据所述点焦平面方程及所述目标坐标点计算所述三维采样点位置的空间三维坐标值:
其中,(X,Y,Z)为所述空间三维坐标值,(x1,y1)为所述目标坐标点,A为所述点焦平面方程的第一参数,B为所述点焦平面的第二参数,C为所述点焦平面的第三参数。
详细地,所述点焦平面是指根据三维采样点的位置所确定的,即由三个不在同一条直线上的任意三点确定所述点焦平面,并根据点焦平面的平面顶点坐标及点焦平面的法向量确定点焦平面方程AX+BY+CZ-1=0,从而将点焦平面方程与目标坐标点进行相交,可得到三维采样点位置的空间三维坐标值,当目标坐标点进行变化时,可计算多个三维采样点位置的空间三维坐标值,从而得到不同的三维采样点位置的空间三维坐标值。
具体地,根据所述基准轴线算法可确定表面图像的基准轴线,其中所述基准轴线算法中的目标点是基于三维采样点位置的空间三维坐标值所计算的,即选取三维采样点位置的任意一个采样点作为基准轴线的目标点D,再随机选取一个采样点作为基准轴线上的任意点B,而方向向量(n1,n2,n3)是平行与直线DB的方向向量,从而可以确定基准轴线的轴线方程,从而确定基准轴线在制动鼓表面的轴线位置。
进一步地,为了更加准确的对制动鼓表面进行全跳动检测,不仅需要在制动鼓表面的一侧进行全跳动检测,还需要从不同侧面进行全跳动检测,以保证制动鼓表面全跳动检测的准确性。
本发明实施例中,所述划分制动鼓截面是指将制动鼓表面图像按照不同的表面视图所得到的截面,如制动鼓表面图像的左视图、右视图以及俯视图。
本发明实施例中,参照图2所示,所述根据所述基准轴线及预设的表面视图对所述表面图像进行划分,得到划分制动鼓截面,包括:
S21、按照所述基准轴线根据所述表面视图中的左视图对所述表面图像进行划分,得到左视图截面;
S22、按照所述基准轴线根据所述表面视图中的右视图对所述表面图像进行划分,得到右视图截面;
S23、按照所述基准轴线根据所述表面视图中的俯视图对所述表面图像进行划分,得到俯视图截面;
S24、汇集所述左视图截面、所述右视图截面及所述俯视图截面为所述划分制动鼓截面。
详细地,所述表面视图分为左视图、右视图以及俯视图,按照制动鼓表面的基准轴线将所述表面图像划分为左视图截面、右视图截面及俯视图截面,最终将左视图截面、右视图截面及俯视图截面作为划分制动鼓截面。例如制动鼓表面是一个内圆柱面,设置圆柱面的基准轴线,进而根据基准轴线将圆柱面以左视图、右视图及俯视图进行划分,得到不同视图的截面,从而得到不同视图的划分制动鼓截面。
进一步地,需要逐一对制动鼓表面的划分制动鼓截面进行全跳动测试,因此,在每个划分制动鼓截面上都需要记录全跳动过程中的位移数据、角度数据及跳动数据,以实现更加准确的全跳动检测。
S2、提取所述划分制动鼓截面的位移传感器数据,提取所述划分制动鼓截面中的角度传感器数据,提取所述划分制动鼓截面的跳动传感器数据。
本发明实施例中,所述位移传感器数据是通过位移传感器记录在全跳动运动过程中在x,y两个方向上的移动量的大小;所述角度传感器数据是通过角度传感器记录在对划分制动鼓截面进行全跳动运动过程中转动制动鼓的角度;所述跳动传感器数据是通过跳动传感器(跳动指示仪)记录在对划分制动鼓截面进行全跳动运动过程中转动制动鼓表面的跳动值。
本发明实施例中,所述提取所述划分制动鼓截面的位移传感器数据,包括:
获取预设的位移传感器的传感器接口;
将预设的封装标准接口与所述传感器接口进行关联,得到关联接口;
通过所述关联接口采集所述位移传感器的位移传感器数据。
详细地,通过预设的拦截器(如Interceptor)获取预设的位移传感器的传感器接口,并通过可以进行数据存储的封装标准接口与传感器接口进行对接关联,以确定数据传输存储与传感器数据之间的存储区域,进而通过所述关联接口可以从预先存储的存储区域采集所述位移传感器的位移传感器数据。
具体地,所述提取所述划分制动鼓截面中的角度传感器数据与所述提取所述划分制动鼓截面的位移传感器数据步骤一致,以及所述提取所述划分制动鼓截面的跳动传感器数据与所述提取所述划分制动鼓截面的位移传感器数据步骤一致,在此不再赘述。
进一步地,为了可以更全面、准确的对制动鼓表面进行全跳动检测,需要多种传感器的数据进行数据融合,以降低全跳动检测的错误概率。
S3、利用预设的数据融合算法将所述位移传感器数据、所述角度传感器数据及所述跳动传感器数据进行数据融合,得到传感器融合数据。
本发明实施例中,所述传感器融合数据是指将多个传感器采集的数据融合为向量组表现得形式,从而以更加全面的数据对制动鼓表面进行更准确的全跳动检测。
本发明实施例中,参照图3所示,所述利用预设的数据融合算法将所述位移传感器数据、所述角度传感器数据及所述跳动传感器数据进行数据融合,得到传感器融合数据,包括:
S31、根据所述位移传感器数据生成位移传感器的位移支撑裕矩阵,根据所述角度传感器生成角度传感器的角度支撑裕矩阵,根据所述跳动传感器数据生成跳动传感器的跳动支撑裕矩阵;
S32、利用预设的数据融合算法根据预设的传感器因子向量将所述位移支撑裕矩阵、所述角度支撑裕矩阵及所述跳动支撑裕矩阵进行数据融合,得到传感器向量数据,其中所述数据融合算法为:
其中,R为第i个传感器的所述传感器向量数据,ti为第i个传感器的支撑裕矩阵,k为所述传感器因子向量;
S33、将所述传感器向量数据进行数据拼接,得到所述传感器融合数据。
详细地,支撑裕矩阵是指在信息融合过程中,若传感器监测的数据信息较为接近,说明两个传感器之间存在互相支撑的关系,若两个传感器信息完全不同,说明二者之间的支撑程度小,则两个传感器信息数据支撑程度就是传感器的支撑裕。因此,所述位移支撑裕矩阵是指位移传感器在设定的监测周期内,通过对多传感器的数据信息的计算,建立数据的位移支撑裕矩阵;所述角度支撑裕矩阵是指角度传感器在设定的监测周期内,通过对多传感器的数据信息的计算,建立数据的角度支撑裕矩阵;所述跳动支撑裕矩阵是指跳动传感器在设定的监测周期内,通过对多传感器的数据信息的计算,建立数据的跳动支撑裕矩阵。
本发明实施例中,所述根据所述位移传感器数据生成位移传感器的位移支撑裕矩阵,包括:
根据预设的监测周期提取所述位移传感器的位移监测数据;
利用预设的支撑裕系数计算公式根据所述位移监测数据计算位移传感器的支撑裕系数:
其中,σ为所述支撑裕系数,m为所述位移监测数据的监测数据数量,hj为第j个位移监测数据的监测值,为所有位移监测数据的监测均值;
根据所述支撑裕系数计算所述位移支撑裕矩阵的支撑裕值,其中所述矩阵值计算公式为:
其中,fuv为所述位移支撑裕矩阵中第u行第v列的支撑裕值,hu为第u个传感器的监测值,hv为第v个传感器的监测值,E为常数;
根据所述支撑裕值生成位移传感器的位移支撑裕矩阵。
详细地,设定位移传感器在固定监测周期T内监测的位移数据有m个,表述成H={h1,h2,...,hj}形式,并通过支撑裕系数计算公式根据位移监测数据计算位移传感器监测数据的误差,即位移传感器的支撑裕系数,进而根据支撑裕系数计算公式计算位移支撑裕矩阵中每个矩阵位置的支撑裕值。
具体地,由于数据的差距不同,传感器之间的支撑裕也不相同,为了避免计算结果的绝对化,使用指数形式建立传感器监测数据的支撑裕值计算公式,因此可得到位移传感器相对应的支撑裕值,进而根据每个矩阵位置的支撑裕值生成位移传感器的位移支撑裕矩阵。其中支撑裕系数计算公式中当传感器u的监测值与传感器v的监测值差距不明显时,支撑裕数值接近为1,而当二者相差较大时,支撑裕数值为0,即当hu与hv之间的差距逐渐增大,支撑裕数值逐渐缩小。
进一步地,所述根据所述角度传感器生成角度传感器的角度支撑裕矩阵与所述根据所述位移传感器数据生成位移传感器的位移支撑裕矩阵步骤一致,以及所述根据所述角度传感器生成角度传感器的角度支撑裕矩阵与所述根据所述跳动传感器数据生成跳动传感器的跳动支撑裕矩阵步骤一致,在此不再赘述。
更进一步地,通过数据融合算法分别将位移支撑裕矩阵与传感器因子向量进行相乘,将角度支撑裕矩阵与传感器因子向量进行相乘,将跳动支撑裕矩阵与传感器因子向量进行相乘,从而得到每个传感器的传感器向量数据,并且将所有的传感器向量数据进行向量维度拼接,得到传感器融合数据。
示例性地,位移支撑裕矩阵为,角度支撑裕矩阵为/>, 跳动支撑裕矩阵为/>,传感器因子向量为/>,则将位移支撑裕矩阵与传感器因子向量进行相乘之后得到传感器向量数据/>,角度支撑裕矩阵与传感器因子向量进行相乘之后得到传感器向量数据/>,跳动支撑裕矩阵与传感器因子向量进行相乘之后得到传感器向量数据/>,并将不同的传感器向量数据进行向量数据拼接,得到传感器融合数据/>。
更进一步地,根据所述传感器融合数据可以构建划分制动鼓截面的有限元模型,根据有限元模型可以更加直观的观察到划分制动鼓截面的变化。
S4、利用预设的有限元算法根据所述传感器融合数据构建所述划分制动鼓截面的截面有限元模型,根据所述截面有限元模型及所述基准轴线计算所述划分制动鼓截面的全跳动误差。
本发明实施例中,所述截面有限元模型是指将划分制动截面分割成单元网格以形成实际结构的模型,每个单元具有简单形态,表示划分制动截面的形态变化,以准确确定划分制动鼓截面的全跳动误差。
本发明实施例中,所述利用预设的有限元算法根据所述传感器融合数据构建所述划分制动鼓截面的截面有限元模型,包括:
利用所述有限元算法根据预设的物理材料特性构建所述划分制动鼓截面的初始有限元模型;
根据所述传感器融合数据确定所述划分制动鼓截面的截面偏移量;
根据所述截面偏移量对所述初始有限元模型进行截面优化,得到所述划分制动鼓截面的截面有限元模型。
详细地,所述有限元算法是解决全部结构问题的完全理想的模型,包括节点的定位,单元,物理和材料的特性,载荷和边界条件,根据分析类型的不同,如静态结构载荷,动态的或热力分析,即可构建划分制动鼓截面的初始有限元模型,进而利用传感器融合数据中划分制动鼓截面的位移变化、角度变化及跳动变化确定划分制动鼓截面相对划分制动鼓截面的原始位置的截面偏移量,进而根据截面偏移量对初始有限元模型进行截面位置优化,得到划分制动鼓截面的截面有限元模型。
具体地,在对划分制动鼓截面进行全跳动过程中,不同传感器会记录划分制动鼓截面的位移变化、角度变化及跳动变化,因此,根据不同的划分制动鼓截面可确定不同的截面偏移量,因此可生成不同的截面有限元模型。
进一步地,利用所述截面有限元模型可以模拟在制动鼓表面进行全跳动过程中表面中所产生的全跳动值,进而根据全跳动值实现制动鼓表面的全跳动检测。
本发明实施例中,所述全跳动误差是关联实际被测要素对理想回转面的允许变动量,由跳动传感器在指定方向上测得的最大和最小值之差。
本发明实施例中,所述根据所述截面有限元模型及所述基准轴线计算所述划分制动鼓截面的全跳动误差,包括:
根据所述基准轴线在所述截面有限元模型中进行全跳动模拟,得到全跳动值;
利用如下的全跳动误差计算公式根据所述全跳动值计算所述划分制动鼓截面的全跳动误差:
其中,δd为第d个划分制动鼓截面的全跳动误差,Gd为第d个划分制动鼓截面的全跳动值,max为最大值函数,min为最小值函数。
详细地,根据制动鼓表面的基准轴线在截面有限元模型中重新进行全跳动模拟,可通过跳动传感器采集全跳动模拟过程中划分制动鼓截面的全跳动值,进而统计全跳动值中的最大全跳动值及最小全跳动值,从而利用全跳动误差计算公式将最大全跳动值与最小全跳动值进行相减,得到每个划分制动鼓截面的全跳动误差,如在左视图截面中进行全跳动模拟,则利用全跳动误差公式计算左视图截面的全跳动误差;在右视图截面中进行全跳动模拟,则利用全跳动误差公式计算右视图截面的全跳动误差;在俯视图截面中进行全跳动模拟,则利用全跳动误差公式计算俯视图截面的全跳动误差。
进一步地,根据全跳动公差可以实现对制动鼓表面进行精准的全跳动检测,因此,可以使用准确的全跳动公差对机械零件进行全跳动检测,以降低制动鼓表面全跳动检测的误差率。
S5、通过预设的跳动方向根据所述全跳动误差及预设的全跳动公差对所述制动鼓表面进行全跳动检测。
本发明实施例中,所述跳动方向包括径向全跳动及轴向全跳动,按照两种不同的跳动方向对制动鼓表面进行全跳动检测,以提高制动鼓表面全跳动检测的准确性。此外全跳动是指工件绕基准轴旋转360°时,整个要素或表面相对于基准的变化量,既可以管控工件旋转时表面的变化量,也可以管控轴向尺寸的变化量,通常用于绕轴旋转的零件,要求整个表面置于公差带内。
本发明实施例中,所述通过预设的跳动方向根据所述全跳动误差及预设的全跳动公差对所述制动鼓表面进行全跳动检测,包括:
根据所述跳动方向确定所述制动鼓表面的径向全跳动及轴向全跳动;
根据所述径向全跳动及所述全跳动误差确定所述制动鼓表面的第一全跳动检测值;
根据所述轴向全跳动及所述全跳动公差确定所述制动鼓表面的第二全跳动检测值;
根据所述第一全跳动检测值及所述第二全跳动检测值确定所述制动鼓表面的表面全跳动检测值。
详细地,根据跳动方向将制动鼓表面分为径向全跳动及轴向全跳动,其中所述径向全跳动是指绕基准轴的两同心圆柱面之间的径向区域;表面所有的点都必须落入其中,所述轴向全跳动是指两平行平面之间的区域,垂直于基准轴;表面所有的点都必须落入其中。
具体地,将制动鼓表面进行径向全跳动检测的过程中测量的最大跳动值与最小跳动值的差值与所述全跳动误差进行相比,以得到径向全跳动检测的过程中的第一全跳动检测值,以及将制动鼓表面进行轴向全跳动检测的过程中测量的最大跳动值与最小跳动值的差值与与所述全跳动公差进行相比,以得到轴向全跳动检测的过程中的第二全跳动检测值,当所述第一全跳动检测值小于零时以及第二全跳动检测值小于零时,表示制动鼓表面的表面全跳动检测值是合格的,表示制动鼓表面的形状、尺寸是合格的。
本发明实施例通过计算制动鼓表面图像的基准轴线,进而根据基准轴线对制动鼓表面视图进行划分,有利于更加准确、全面地对制动鼓表面的各个方向进行全跳动测试;在划分制动鼓截面中获取位移传感器数据、角度传感器数据及跳动传感器数据,并将传感器数据进行数据融合,可以降低全跳动检测过程中检测误差;通过传感器融合数据构建划分制动鼓表面的有限元模型,在有限元模型中进行全跳动模拟,并计算划分制动鼓截面的全跳动误差,有利于更加直观的观察各个传感器的数据变化,从而实现更加准确的全跳动检测;通过跳动方向将全跳动检测的跳动值与全跳动误差进行相比,从而确定制动鼓表面的全跳动检测效果。因此本发明提出的基于多传感器的制动鼓表面全跳动检测方法及装置,可以解决进行制动鼓表面全跳动检测的精确度较低的问题。
如图4所示,是本发明一实施例提供的基于多传感器的制动鼓表面全跳动检测装置的功能模块图。
本发明所述基于多传感器的制动鼓表面全跳动检测装置100可以安装于电子设备中。根据实现的功能,所述基于多传感器的制动鼓表面全跳动检测装置100可以包括表面图像划分模块101、传感器数据提取模块102、传感器数据融合模块103、全跳动误差计算模块104及全跳动检测模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述表面图像划分模块101,用于获取制动鼓表面的表面图像,利用预设的基准轴线算法计算所述表面图像的基准轴线,根据所述基准轴线及预设的表面视图对所述表面图像进行划分,得到划分制动鼓截面;
所述传感器数据提取模块102,用于提取所述划分制动鼓截面的位移传感器数据,提取所述划分制动鼓截面中的角度传感器数据,提取所述划分制动鼓截面的跳动传感器数据;
所述传感器数据融合模块103,用于利用预设的数据融合算法将所述位移传感器数据、所述角度传感器数据及所述跳动传感器数据进行数据融合,得到传感器融合数据;
所述全跳动误差计算模块104,用于利用预设的有限元算法根据所述传感器融合数据构建所述划分制动鼓截面的截面有限元模型,根据所述截面有限元模型及所述基准轴线计算所述划分制动鼓截面的全跳动误差;
所述全跳动检测模块105,用于通过预设的跳动方向根据所述全跳动误差及预设的全跳动公差对所述制动鼓表面进行全跳动检测。
详细地,本发明实施例中所述基于多传感器的制动鼓表面全跳动检测装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于多传感器的制动鼓表面全跳动检测方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统实施例中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于多传感器的制动鼓表面全跳动检测方法,其特征在于,所述方法包括:
S1、获取制动鼓表面的表面图像,利用预设的基准轴线算法计算所述表面图像的基准轴线,根据所述基准轴线及预设的表面视图对所述表面图像进行划分,得到划分制动鼓截面;
S2、提取所述划分制动鼓截面的位移传感器数据,提取所述划分制动鼓截面中的角度传感器数据,提取所述划分制动鼓截面的跳动传感器数据;
S3、利用预设的数据融合算法将所述位移传感器数据、所述角度传感器数据及所述跳动传感器数据进行数据融合,得到传感器融合数据,包括:
根据所述位移传感器数据生成位移传感器的位移支撑裕矩阵,根据所述角度传感器生成角度传感器的角度支撑裕矩阵,根据所述跳动传感器数据生成跳动传感器的跳动支撑裕矩阵;
利用预设的数据融合算法根据预设的传感器因子向量将所述位移支撑裕矩阵、所述角度支撑裕矩阵及所述跳动支撑裕矩阵进行数据融合,得到传感器向量数据,其中所述数据融合算法为:
其中,R为第i个传感器的所述传感器向量数据,ti为第i个传感器的支撑裕矩阵,k为所述传感器因子向量;
将所述传感器向量数据进行数据拼接,得到所述传感器融合数据;
S4、利用预设的有限元算法根据所述传感器融合数据构建所述划分制动鼓截面的截面有限元模型,根据所述截面有限元模型及所述基准轴线计算所述划分制动鼓截面的全跳动误差,其中所述根据所述截面有限元模型及所述基准轴线计算所述划分制动鼓截面的全跳动误差,包括:
S41、根据所述基准轴线在所述截面有限元模型中进行全跳动模拟,得到全跳动值;
S42、利用如下的全跳动误差计算公式根据所述全跳动值计算所述划分制动鼓截面的全跳动误差:
其中,δd为第d个划分制动鼓截面的全跳动误差,Gd为第d个划分制动鼓截面的全跳动值,max为最大值函数,min为最小值函数;
S5、通过预设的跳动方向根据所述全跳动误差及预设的全跳动公差对所述制动鼓表面进行全跳动检测。
2.如权利要求1所述的基于多传感器的制动鼓表面全跳动检测方法,其特征在于,所述利用预设的基准轴线算法计算所述表面图像的基准轴线,包括:
根据预设的旋转角度生成所述表面图像的旋转表面图像;
根据所述旋转表面图像确定三维采样点位置;
通过预设的三维坐标算法计算所述三维采样点位置的空间三维坐标值;
利用预设的基准轴线算法根据所述空间三维坐标值计算所述表面图像的基准轴线,其中所述基准轴线算法为:
其中,(X0,Y0,Z0)为所述基准轴线上的目标点的空间三维坐标值,(X,Y,Z)为所述基准轴线上的任意点的空间三维坐标值,(n1,n2,n3)为方向向量。
3.如权利要求2所述的基于多传感器的制动鼓表面全跳动检测方法,其特征在于,所述通过预设的三维坐标算法计算所述三维采样点位置的空间三维坐标值,包括:
获取所述三维采样点位置的点焦平面;
根据所述点焦平面的目标坐标点确定点焦平面方程;
通过如下所述三维坐标算法根据所述点焦平面方程及所述目标坐标点计算所述三维采样点位置的空间三维坐标值:
其中,(X,Y,Z)为所述空间三维坐标值,(x1,y1)为所述目标坐标点,A为所述点焦平面方程的第一参数,B为所述点焦平面的第二参数,C为所述点焦平面的第三参数。
4.如权利要求1所述的基于多传感器的制动鼓表面全跳动检测方法,其特征在于,所述根据所述基准轴线及预设的表面视图对所述表面图像进行划分,得到划分制动鼓截面,包括:
按照所述基准轴线根据所述表面视图中的左视图对所述表面图像进行划分,得到左视图截面;
按照所述基准轴线根据所述表面视图中的右视图对所述表面图像进行划分,得到右视图截面;
按照所述基准轴线根据所述表面视图中的俯视图对所述表面图像进行划分,得到俯视图截面;
汇集所述左视图截面、所述右视图截面及所述俯视图截面为所述划分制动鼓截面。
5.如权利要求1所述的基于多传感器的制动鼓表面全跳动检测方法,其特征在于,所述提取所述划分制动鼓截面的位移传感器数据,包括:
获取预设的位移传感器的传感器接口;
将预设的封装标准接口与所述传感器接口进行关联,得到关联接口;
通过所述关联接口采集所述位移传感器的位移传感器数据。
6.如权利要求1所述的基于多传感器的制动鼓表面全跳动检测方法,其特征在于,所述根据所述位移传感器数据生成位移传感器的位移支撑裕矩阵,包括:
根据预设的监测周期提取所述位移传感器的位移监测数据;
利用预设的支撑裕系数计算公式根据所述位移监测数据计算位移传感器的支撑裕系数:
其中,σ为所述支撑裕系数,m为所述位移监测数据的监测数据数量,hj为第j个位移监测数据的监测值,为所有位移监测数据的监测均值;
根据所述支撑裕系数计算所述位移支撑裕矩阵的支撑裕值,其中矩阵值计算公式为:
其中,fuv为所述位移支撑裕矩阵中第u行第v列的支撑裕值,hu为第u个传感器的监测值,hv为第v个传感器的监测值,E为常数;
根据所述支撑裕值生成位移传感器的位移支撑裕矩阵。
7.如权利要求1所述的基于多传感器的制动鼓表面全跳动检测方法,其特征在于,所述利用预设的有限元算法根据所述传感器融合数据构建所述划分制动鼓截面的截面有限元模型,包括:
利用所述有限元算法根据预设的物理材料特性构建所述划分制动鼓截面的初始有限元模型;
根据所述传感器融合数据确定所述划分制动鼓截面的截面偏移量;
根据所述截面偏移量对所述初始有限元模型进行截面优化,得到所述划分制动鼓截面的截面有限元模型。
8.如权利要求1所述的基于多传感器的制动鼓表面全跳动检测方法,其特征在于,所述通过预设的跳动方向根据所述全跳动误差及预设的全跳动公差对所述制动鼓表面进行全跳动检测,包括:
根据所述跳动方向确定所述制动鼓表面的径向全跳动及轴向全跳动;
根据所述径向全跳动及所述全跳动误差确定所述制动鼓表面的第一全跳动检测值;
根据所述轴向全跳动及所述全跳动公差确定所述制动鼓表面的第二全跳动检测值;
根据所述第一全跳动检测值及所述第二全跳动检测值确定所述制动鼓表面的表面全跳动检测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311535175.8A CN117251958B (zh) | 2023-11-17 | 2023-11-17 | 一种基于多传感器的制动鼓表面全跳动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311535175.8A CN117251958B (zh) | 2023-11-17 | 2023-11-17 | 一种基于多传感器的制动鼓表面全跳动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117251958A CN117251958A (zh) | 2023-12-19 |
CN117251958B true CN117251958B (zh) | 2024-02-06 |
Family
ID=89135348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311535175.8A Active CN117251958B (zh) | 2023-11-17 | 2023-11-17 | 一种基于多传感器的制动鼓表面全跳动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117251958B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910704A (zh) * | 2019-12-06 | 2020-03-24 | 齐鲁工业大学 | 一种同心鼓的实训系统 |
CN111966043A (zh) * | 2020-07-21 | 2020-11-20 | 天津大学 | 一种机床转台综合热误差检测装置及安装方法 |
CN113849938A (zh) * | 2021-10-25 | 2021-12-28 | 长安大学 | 一种鼓式制动器制动力检测方法、系统、设备及可读存储介质 |
CN114998536A (zh) * | 2022-05-31 | 2022-09-02 | 广州市城市规划勘测设计研究院 | 基于新型基础测绘的模型生成方法、装置及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7398141B2 (en) * | 2004-08-11 | 2008-07-08 | Stemco Lp | Gravity based brake stroke sensor methods and systems |
-
2023
- 2023-11-17 CN CN202311535175.8A patent/CN117251958B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910704A (zh) * | 2019-12-06 | 2020-03-24 | 齐鲁工业大学 | 一种同心鼓的实训系统 |
CN111966043A (zh) * | 2020-07-21 | 2020-11-20 | 天津大学 | 一种机床转台综合热误差检测装置及安装方法 |
CN113849938A (zh) * | 2021-10-25 | 2021-12-28 | 长安大学 | 一种鼓式制动器制动力检测方法、系统、设备及可读存储介质 |
CN114998536A (zh) * | 2022-05-31 | 2022-09-02 | 广州市城市规划勘测设计研究院 | 基于新型基础测绘的模型生成方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
圆弧金刚石砂轮三维几何形貌的在位检测和误差评价;周炼;安晨辉;侯晶;陈贤华;王健;;光学精密工程(第12期);110-119 * |
基于EI及MAC算法的连续刚构桥传感器优化布置;何华;张力文;周建庭;杨建喜;周磊;;重庆交通大学学报(自然科学版)(第05期);37-40+119 * |
Also Published As
Publication number | Publication date |
---|---|
CN117251958A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761994B (zh) | 摄像头模组和虚拟现实设备的组装的检测方法及装置 | |
CN113254382B (zh) | 基于超级计算机构建数字数值融合装置的数据处理系统 | |
Iliopoulos et al. | Performance analysis of the mesh‐free random grid method for full‐field synthetic strain measurements | |
CN107727364A (zh) | 测试3d成像系统 | |
CN114923453B (zh) | 一种线性轮廓仪外参的标定方法、装置及电子设备 | |
Yan et al. | Quantitative evaluation of leaf inclination angle distribution on leaf area index retrieval of coniferous canopies | |
Wang et al. | Towards self-calibrated lens metrology by differentiable refractive deflectometry | |
CN109506617B (zh) | 传感器数据处理方法、存储介质、电子设备 | |
CN117251958B (zh) | 一种基于多传感器的制动鼓表面全跳动检测方法 | |
Shangguan et al. | Vision-based object recognition and precise localization for space body control | |
Godinho et al. | An efficient technique for surface strain recovery from photogrammetric data using meshless interpolation | |
CN103116173A (zh) | 用于光电跟踪的误差检验装置 | |
WO2019148311A1 (zh) | 信息处理方法和系统、云处理设备及计算机程序产品 | |
CN112597574A (zh) | 一种建筑信息模型的构建方法及装置 | |
CN115184563B (zh) | 一种基于数字孪生的化工车间现场数据采集方法 | |
Chen et al. | Field geometric calibration method for line structured light sensor using single circular target | |
Xu et al. | 3D reconstruction of laser projective point with projection invariant generated from five points on 2D target | |
CN114004874B (zh) | 占用栅格地图的获取方法和装置 | |
CN113029103B (zh) | 一种风机塔筒基础环的倾斜测量方法、系统和存储介质 | |
Yan et al. | A decoupled calibration method for camera intrinsic parameters and distortion coefficients | |
González‐Jorge et al. | Metrological intercomparison of six terrestrial laser scanning systems | |
Feng et al. | The length error compensation method of articulated arm coordinate measuring machine | |
CN113483879A (zh) | 一种小卫星颤振高速视频测量方法 | |
CN112729109A (zh) | 一种点云数据的校正方法及装置 | |
Čepon et al. | Impact-pose estimation using aruco markers in structural dynamics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |